3. Research Design

Assistant Prof. Dr. Siwachoat Srisuttiyakorn

Department of Educational Research and Psychology
Faculty of Education Chulalongkorn University

2025-02-01

Outlines

  • ประเภทของการวิจัยเครือข่าย

  • ประเภทความสัมพันธ์ในเครือข่าย

  • การกำหนดขอบเขตการวิจัยเครือข่าย

  • ความคลาดเคลื่อนในข้อมูลเครือข่าย

  • ประเด็นเชิงจริยธรรมของการวิจัยเครือข่าย

Experiments, Survey, and Qualitative Research Designs


จำแนกตามประเภทของการวิจัย

  • Experiments

  • Quasi-Experiment

  • Survey Research

  • Qualitative Research

  • Ethnography Research

จำแนกตามมิติของเวลา

  • Cross-sectional

  • Longitudinal

Example 1

Christakis, & Fowler (2007)

Example 2

Rand et al. (2011)

กิจกรรม 1: สำรวจงานวิจัยเครือข่ายทางสังคม

แบ่งกลุ่มนิสิตออกเป็น 2 กลุ่ม แต่ละกลุ่มช่วยกันอ่าน paper ที่ได้รับมอบหมาย อภิปรายร่วมกันภายในกลุ่มเพื่อตอบคำถามต่อไปนี้

  1. ประเภทของงานวิจัย

  2. ความสัมพันธ์ของเครือข่ายคืออะไร และโหนดของเครือข่ายคืออะไร

  3. ระดับการวิเคราะห์ (เป็นการวิเคราะห์ระดับใด dyadic, node หรือ network-level หรือมีมากกว่าหนึ่งระดับ)

  4. ลักษณะความสัมพันธ์ในเครือข่ายเป็นแบบใด (relational states หรือ relational events)

  5. ตัวแปรสำคัญในงานวิจัยมีอะไรบ้าง (ระบุตัวแปรตาม ตัวแปรอิสระที่สำคัญ)

  6. หากเขียนเครือข่ายในงานวิจัยในรูปของ adjacency matrix แล้วจะมีลักษณะเป็นกี่ way กี่ mode?

Whole-network and Personal-network

  • Whole-network designs: วิเคราะห์ความสัมพันธ์ระหว่างคู่ของโหนดทั้งหมดภายในขอบเขตของการวิจัย เช่น ใครเป็นเพื่อนกับใครบ้างในกลุ่มนักเรียนทั้งห้องเรียนหรือโรงเรียน

    • วิเคราะห์ความสัมพันธ์ระหว่างทุกคู่ของโหนดในเครือข่าย (เก็บข้อมูลระดับ dyadic-level)

    • สามารถวิเคราะห์เครือข่ายได้ครอบคลุม เหมาะกับงานที่ต้องการศึกษาประเด็นเกี่ยวกับตำแหน่งเชิงโครงสร้างในเครือข่าย

    • ใช้ทรัพยากรมากกว่า และการเก็บรวบรวมข้อมูลอาจจะยาก

  • Personal-network designs: การวิจัยลักษณะนี้จะมีการกำหนดเซตหรือชุดของโหนดที่เป็นจุดสนใจเรียกว่า egos และเซตของโหนดอื่น ๆ ที่เรียกว่า alters

    • เน้นศึกษาความสัมพันธ์ระหว่างโหนดเป้าหมายกับ alter

    • ให้สารสนเทศที่มีความละเอียดและลึกมากกว่าเกี่ยวกับเครือข่ายของโหนดเป้าหมาย

    • เก็บข้อมูลได้ง่ายกว่า ใช้ทรัพยากรน้อยกว่า

    • ไม่มีข้อมูลของเครือข่ายทั้งหมดในภาพรวม สามารถวิเคราะห์โครงสร้างของเครือข่ายทั้งหมดได้

Sources of Network Data

  • Primary Data

  • Secondary Data

  • Social Media/Internet Data

Types of (dyadic) Ties

ประเภท ลักษณะความสัมพันธ์ Note
Co-Occurences
  • การปรากฏร่วมกัน เช่น การเป็นสมาชิกร่วมกันหรือ การเข้าร่วมกิจกรรมเดียวกัน

  • การอยู่ใกล้กันในพื้นที่ทางภูมิศาสตร์ หรือสถานที่เดียวกัน

  • มักเก็บข้อมูลเป็น two-mode data ที่เชื่อมโยงระหว่าง node สองประเภทที่อาจเป็นบุคคลกับกลุ่มหรือกิจกรรมต่าง ๆ

  • สะท้อนความสัมพันธ์ที่สังเกตได้โดยตรงจากการปรากฎร่วมกัน/ความคล้ายคลึง อาจใช้เพื่ออนุมานความสัมพันธ์เบื้องหลัง

  • ไม่จำเป็นที่โหนดจะต้องมีความสัมพันธ์กันโดยตรง

  • เก็บรวบรวมข้อมูลได้ง่าย มักเก็บรวบรวมได้จาก secondary data/internet data ไม่ค่อยมีประเด็นทางจริยธรรม

Social relation
  • สิ่งที่เป็น เช่น การเป็นญาติกัน การเป็นเพื่อน ครู-นักเรียน
  • ความสัมพันธ์พื้นฐานของมนุษย์

  • บทบาททางสังคม

  • ความสัมพันธ์มีลักษณะดำเนินไปอย่างต่อเนื่อง

  • เก็บรวบรวมข้อมูลทำได้ทั้งจาก primary และ secondary data

Types of (dyadic) Ties

ประเภท ลักษณะความสัมพันธ์ Note
Mental relation
  • สิ่งที่คิด/รู้สึก เช่น ความรู้สึกชอบ-ไม่ชอบ ความเชื่อถือ
  • การรับรู้ ความรู้สึกที่มีต่อคนอื่น

  • สังเกตโดยตรงไม่ได้ ต้องใช้การสอบถาม สัมภาษณ์ สังเกต

  • ข้อมูลค่อนข้างมีความเป็นส่วนตัวสูง

Interactions
  • สิ่งที่ทำ เช่น การติดต่อ พูดคุย การซื้อขาย
  • เป็นความสัมพันธ์แบบ relational events เกิดขึ้นชั่วคราว

  • อาจส่งผลให้เกิดผลลัพธ์อื่น ๆ

  • interactions อาจเป็น proxy ที่ใช้สะท้อนความสัมพันธ์เบื้องหลังระหว่างโหนด

Flows and reactions
  • อาจเป็นผลลัพธ์จาก interaction เช่น การถ่ายทอดหรือการไหลเวียนของข้อมูล/แนวคิด/การนินทา

  • การแพร่กระจายเชื้อโรค

  • การถ่ายโอนทรัพยากร

Node Attributes

  • คุณลักษณะของโหนด (คน สัตว์ สิ่งของ) ภายในเครือข่าย

  • อาจจำแนกได้เป็นสองประเภท และงานวิจัยเครือข่ายทุกชิ้นมักมีตัวแปรทั้งสองประเภทนี้

    • Network-derived attributes เช่น centrality

    • Non-network attributes เช่น ภูมิหลัง ทัศนคติ ความคิดเห็น/ความรู้สึก ความสามารถ ผลสัมฤทธิ์

การกำหนดขอบเขตในการวิจัยเครือข่าย

  • ขนาดประชากร (ขนาดเครือข่าย) vs ประเด็นปัญหาวิจัย/คำถามวิจัย

  • Egos vs Alters

    • Whole-Network: Ego และ Alters เป็นกลุ่มเดียวกัน

    • Personal-Network: Ego และ Alters เป็นคนละกลุ่มกัน

แนวทางที่ 1: ไม่สามารถระบุขอบเขตของ Alters

แนะนำใช้ Personal-Network Design

  • เน้นการกำหนดขอบเขต egos และออกแบบการได้มาซึ่งตัวอย่างที่เหมาะสม (แต่ก็ไม่เสมอไป)

  • ยืดหยุ่นไม่ต้องศึกษาและกำหนดขอบเขตของ alters ล่วงหน้า

  • Ego แต่ละหน่วยอาจมีเครือข่ายทางสังคมที่แตกต่างกัน และอาจมีขอบเขตของ alter เฉพาะ

    • ความยืดหยุ่นในเชิงการเก็บรวบรวมข้อมูล

    • มีความหลากหลายของข้อมูล

  • ใช้ egos เป็นผู้ให้ข้อมูลของ alters ซึ่งง่ายต่อการเก็บข้อมูล แต่ ego บางคนหรือหลายคนอาจมีการรับรู้ข้อมูลของ alters ที่คลาดเคลื่อน

  • บางกรณีข้อมูลการรับรู้สำคัญกว่าความจริง

แนวทางที่ 2: พิจารณาว่ากลุ่มเป้าหมายเป็น sociological group หรือไม่?

Sociological group หมายถึง กลุ่มคนที่มีการโต้ตอบหรือมีปฏิสัมพันธ์กันอย่างต่อเนื่อง มีความรู้สึกเป็นส่วนหนึ่งของกลุ่ม และมีคุณลักษณะบางอย่างที่ทำให้บุคคลในกลุ่มมีความรู้สึกถึงความเป็นกลุ่มหรือยอมรับจากสมาชิกภายในกลุ่ม กลุ่มเหล่านี้มีโครงสร้างทางสังคม บทบาท และความสัมพันธ์ที่อาจมีการกำหนดไว้อย่างชัดเจนหรือไม่ก็ได้ ซึ่งนำไปสู่การกำหนดขอบเขตสมาชิกของกลุ่ม

  • นักวิจัยควรระบุขอบเขตของกลุ่มให้ชัดเจนและถูกต้อง

    • ไม่ควรพลาดสมาชิกที่แท้จริง

    • ไม่ควรรวมบุคคลที่ไม่ใช่สมาชิกเข้ามาในการวิจัย


  • ตัวอย่าง sociological group

    • ครอบครัว

    • ทีมกีฬา

    • ชุมชนท้องถิ่น

    • กลุ่มเพื่อนสนิท

    • ชุมชนออนไลน์

  • Fuzzy boundaries

    • Snowball sampling – tie intensity & redundancy

แนวทางที่ 3 : ขอบเขตการวิจัยถูกกำหนดจากประเด็นปัญหา/คำถามวิจัย

  • เครือข่ายความไว้วางใจในห้องเรียนส่งผลต่อประสิทธิภาพในการทำงานกลุ่มหรือไม่

  • การวิเคราะห์เครือข่ายความสัมพันธ์ระหว่างนักเรียนกับมโนทัศน์ที่ถูกต้องทางสถิติและผลกระทบต่อการประยุกต์ใช้ในชีวิตจริง

  • โหนด

    • egos

    • alter

  • ความสัมพันธ์

  • ขอบเขตการวิจัย

แนวทางที่ 4 : Data-Driven Approach

กรณีที่ขอบเขตกลุ่มมีความคลุมเครือ แต่นักวิจัยมองว่าการเก็บรวบรวมข้อมูลเพิ่มเติมเพื่อปรับแต่งของเขตกลุ่มได้

  • แหล่งข้อมูลเบื้องต้น หรือ sampling frame ที่ได้จากฐานข้อมูล หรือรายชื่อสมาชิกต่าง ๆ

  • ข้อมูลที่ได้จากการเก็บรวบรวมเพิ่มเติม เช่น perception ของผู้เกี่ยวข้องเกี่ยวกับความเป็นสมาชิกของหน่วยข้อมูลใน sampling frame หรืออาจเป็นข้อมูลเชิงบริบท

  • ต้องการกำหนดขอบเขตการวิจัย โดยจะต้องเป็นครูที่มีส่วนร่วมใน PLC อย่างแท้จริง

    • ใช้เกณฑ์ภายนอก เช่น ฐานข้อมูล PLC ของโรงเรียนมาช่วยกำหนดขอบเขต

    • คัดกรองครูที่ไม่ได้มีส่วนร่วมจริง ๆ ออกไป โดยอาจใช้การรับรู้ของครูแต่ละคนเกี่ยวกับระดับการมีส่วนร่วม หรือจัดกลุ่มครู

แนวทางที่ 4 : Data-Driven Approach

สาเหตุของความคลาดเคลื่อนในข้อมูลเครือข่าย 1

  • Omission errors – การขาดความสัมพันธ์ หรือ โหนด

  • Commission errors – การรวมโหนด หรือระบุความสัมพันธ์ที่ผิดพลาด

  • ถ้าข้อมูลเส้นเชื่อมระหว่าง w7 กับ s1 ขาดหายไปเกิดอะไรขึ้น

  • ถ้ามีการเติมเส้นเชื่อมระหว่าง w5 กับ s1 จะเกิดอะไรขึ้น

สาเหตุของความคลาดเคลื่อนในข้อมูลเครือข่าย 2

  • การเข้าใจธรรมชาตของโหนดและความสัมพันธ์ที่คลาดเคลื่อน เช่น นักเรียนที่เลือกแผนการเรียนเดียวกัน (co-attendance) ถูกตีความหมานว่าเป็นเพื่อนกัน (มีความสัมพันธ์เชิงสังคม) ซึ่งอาจไม่ถูกต้อง two-mode network —> one-mode

  • ความคลาดเคลื่อนจากการวัดหรือจากการบันทึกข้อมูล

  • การจัดกระทำข้อมูล

  • การยุบรวมข้อมูล เช่น การรวมข้อมูลข้ามช่วงเวลา หรือการรวมข้อมูลข้ามกลุ่ม

Ethical Issues

นักวิจัยจำเป็นต้อง trace-off ระหว่าง ความจำเป็นทางการวิจัย กับ ความเสี่ยงที่อาจเกิดขึ้น ต่อผู้ให้ข้อมูลและผู้ถูกรายงานข้อมูล

  • ประเด็นเกี่ยวกับผู้ประสงค์ไม่ให้ข้อมูล

  • การรายงานข้อมูลของผู้อื่น บางกรณีผู้ที่ถูกรายงานอาจจะไม่ต้องการถูกพูดถึง

  • ความเป็นเจ้าของความสัมพันธ์ – ความสัมพันธ์ทางสังคมหลายประเภท เป็นความสัมพันธ์ที่เกิดขึ้นจากทั้งสองฝ่าย

  • การรายงานข้อมูลโดยเฉพาะในลักษณะทัศนภาพข้อมูล ควรปกปิดชื่อโหนดหรือข้อมูลที่จะทำให้สามารถระบุตัวตนของโหนดได้

  • ผู้ให้ข้อมูลไม่คุ้นเคยกับงานวิจัยประเภทเครือข่าย ไม่สามารถคาดถึงผลกระทบที่แท้จริงของการให้ข้อมูลเครือข่าย เช่น การถูกระบุว่าเป็น isolate หรือ centrality ในเครือข่ายความขัดแย้ง

แนวทางป้องกันความเสี่ยงเชิงจริยธรรมในการวิจัยเครือข่าย

  • ใช้แบบฟอร์มการยินยอมการเปิดเผยหรือให้ข้อมูลที่ชัดเจน (มากกว่าการวิจัยปกติ)

    • อธิบายลักษณะของงานวิจัย โดยเฉพาะ การเปิดเผยข้อมูลเครือข่าย และผลกระทบที่อาจเกิดขึ้น

    • อธิบายลักษณะการนำข้อมูลไปใช้ ผลการวิจัยจะต้องมีการรายงานหรือเผยแพร่อย่างไร ให้กลุ่มบุคคลใดบ้าง

    • อธิบายตัวอย่างผลการวิเคราะห์ หรือผลลัพธ์ที่จะได้รับ เช่น การระบุศูนย์กลางของเครือข่าย การระบุ isolate

  • ปกปิดตัวตน หลีกเลี่ยงการรายงานข้อมูลดิบ และข้อมูลที่จะนำไปสู่การระบุตัวตนในเครือข่ายได้

  • หลีกเลี่ยงการกดดันผู้ให้ข้อมูล

  • ควบคุมการเข้าถึงข้อมูล โดยเฉพาะข้อมูลดิบ

  • หลีกเลี่ยงการรายงานผลที่จะก่อให้เกิดผลกระทบเชิงลบต่อผู้เกี่ยวข้องในทุกระดับ

แนวทางป้องกันความเสี่ยงเชิงจริยธรรมในการวิจัยเครือข่าย

  • ออกแบบคำถามให้เหมาะสม

  • สร้างกลไกปกป้องผู้ให้ข้อมูล เช่น สิทธิ์ในการถอนตัวออกจากการวิจัย หรือช่องทางร้องเรียน แจ้งข้อกังวลหากผู้ให้ข้อมูลรู้สึกว่าข้อมูลถูกใช้อย่างไม่เหมาะสม

  • พิจารณาและตรวจสอบผลกระทบที่เกิดจากการเปิดเผยข้อมูล

  • นำเสนอให้คณะกรรมการ IRB พิจารณา

References

Christakis, Nicholas A., and James H. Fowler. 2007. “The Spread of Obesity in a Large Social Network over 32 Years.” New England Journal of Medicine 357 (4): 370–79. https://doi.org/10.1056/NEJMsa066082.
Rand, D. G., S. Arbesman, and N. A. Christakis. 2011. “Dynamic Social Networks Promote Cooperation in Experiments with Humans.” Proceedings of the National Academy of Sciences of the United States of America 108 (48): 19193–98. https://doi.org/10.1073/pnas.1108243108.